口服減重藥時代正式開啟？Nvidia不搞雲端了？- KP思考筆記(第22期)

大家好，我是 KP，歡迎來到第 22 期的《週末思考筆記》。

在開始之前，先祝大家聖誕快樂，身體健康。希望各位都能在這個難得的假期裡，與心愛的人一起度過溫暖的時光。

今年的聖誕節剛好落在週四與週五，加上原本就沒什麼上班氣氛的 24 號，湊成了一個完美的長週末。

如果換作往常的我，現在應該已經進入了徹底放空的悠長假期模式。

不過，自從開設了「FOMO 研究院」後，「假期」這兩個字似乎就從我的字典裡消失了。

只要市場一有風吹草動，我就會忍不住想鑽進去研究，非得把背後的邏輯理順、寫下來不可。

也沒想到，明明是聖誕假期，Nvidia 竟然也沒打算讓人休息。

那一則與 Groq 的「合作」消息，背後的戰略意義實在太過重大。我本來打算寫篇短文簡單帶過，但動筆後發現，一兩千字的篇幅根本無法寫完這筆交易對未來格局的深遠影響。

於是，在聖誕節當天，我把自己關在書房裡不斷地做研究、瘋狂輸出，務求在最短時間內將這份思考分享給每一位讀者。

既然是聖誕節，那就普天同慶一下：

這篇萬餘字的深度研究將會「限時免費」開放，還沒讀過的朋友，請務必抓緊時間去看看。

另外，本週還有一篇我也非常喜歡的「深度研究」。我們終於暫時放下 AI，聊聊我最熟悉的本行：銀行業，以及當前的美國國債市場。

既然週中已經為大家準備了兩盤「硬菜」，週末這篇筆記我們就稍微輕鬆一點。本週我想與大家分享四個觀察重點：

• 主題一：Nvidia 的「雲端」撤退，是戰略轉進，還是巨人陰影下的妥協？

• 主題二：我們是全能的上帝，還是偏科的猴子？圖靈獎與諾貝爾獎得主的巔峰對決

• 主題三：別了，針頭！口服減重藥時代正式開啟，諾和諾德如何發動閃電戰？

• 主題四：Google 如何靠收購 Intersect Power，直接跳過 7 年的電網排隊？

話不多說，我們進入正文!

主題一：Nvidia的「雲端」撤退，是戰略轉進，還是向客戶妥協？

本週，科技媒體《The Information》報導：Nvidia正在悄悄地重組其雲端運算部門（DGX Cloud），從與亞馬遜AWS、微軟Azure等雲端巨頭直接競爭的賽道上，策略性地後撤。

時間拉回兩年多前，黃仁勳意氣風發地揭示了他的願景：打造一個能與AWS分庭抗禮的Nvidia自有雲端服務。

---

DGX Cloud：一場華麗卻「寄人籬下」的實驗

Nvidia的DGX Cloud是一個「雲中雲」的實驗：它向AWS等巨頭租用伺服器，再鋪上自家軟硬體，試圖向開發者提供「原廠調校」的極致GPU性能。

此舉的戰略意圖很明顯：在雲端巨頭紛紛自研AI晶片時，建立一個不被「釜底抽薪」的B計畫。

---

夢醒時分：難以逾越的障礙

然而，這個計畫很快撞上了兩堵無法逾越的高牆：

1. 營運的惡夢：
   由於DGX Cloud並非自己從零建立資料中心，而是「租用」AWS、Google等雲端夥伴的伺服器，再進行客製化後轉租出去。

   這帶來了一個災難性的後果：技術支援變得極其複雜。

這就像你開了一家連鎖餐廳，但廚房卻分別設在麥當勞、肯德基和漢堡王裡面。每個廚房的規矩、設備、流程都不同，當客人投訴餐點有問題時，你根本不知道該找誰負責，也無法用一套標準流程解決問題。

2. 戰略上的兩難：不要與你的大客戶搶生意：
   這或許是最根本的原因。AWS、Google、Microsoft不僅是Nvidia雲端業務的潛在競爭對手，更是其晶片業務最大的客戶。黃仁勳顯然不願為了DGX Cloud這個尚在襁褓中的業務，去激怒這些每年採購數百億美元晶片的「金主」。

這種「既是裁判，又是球員」的尷尬身份，讓Nvidia無法全力以赴地去拓展DGX Cloud的外部客戶。

最終，在2025年12月，Nvidia選擇了重整架構。

根據報導，原DGX Cloud負責人Alexis Black Bjorlin（2023年從Meta跳槽而來）被重新指派職務，數百人的團隊被整體併入由資深副總裁Dwight Diercks領導的工程與營運部門，直接向黃仁勳匯報。

這標誌著DGX Cloud從一個對外的商業產品，正式轉變為服務Nvidia內部晶片研發、模型測試的專屬工具。

而Nvidia官方的說法表示，「這始終是一個試點項目，旨在學習如何為生態夥伴更好地建構系統」。

---

從「球員」到「聯盟主席」的野望

意識到在「租來的土地」上永遠無法挑戰「地主」後，Nvidia並未認輸，而是選擇了另一套更為高明的劇本。至少，理論上如此。

這次轉變的核心，是其在2025年中推出的DGX Cloud Lepton平台。

Lepton的登場，標誌著Nvidia試圖將自己的角色，從下場比賽的「球員」，徹底轉變為運營整個聯賽的「聯盟主席」。

Nvidia的新策略是：

• 扶植「新貴」，而非親自參戰： 大力投資CoreWeave、Lambda等新創雲端公司，一方面創造了新的晶片買家，打破了巨頭的壟斷；另一方面，也巧妙地將建立資料中心的巨大資本開銷和運營風險轉嫁出去。

• 成為「總閘口」，而非單一通路： Lepton的目標是成為一個GPU算力的「聚合器」。開發者只需一個Nvidia帳戶，就能在統一介面上，自由地向AWS、Azure、CoreWeave等數十家供應商詢價、購買算力。Nvidia則從中抽取軟體服務費，將重資產、低利潤的「二房東」模式，轉變為輕資產、高利潤的平台模式。

---

當「聯盟主席」動了所有人的「奶酪」

然而，這一步看似精妙的棋，卻很快踢到了鐵板。Nvidia發現，要當好這個「聯盟主席」，遠比想像中困難，因為這個角色觸動了市場上所有玩家最敏感的神經。

Lepton平台的核心邏輯，是試圖將GPU算力「商品化」（Commoditize）。

這就像Nvidia開了一個算力界的「比價網站」，讓一小時來自CoreWeave的H100算力，和一小時來自Lambda的H100算力，在價格上被直接比較。

這對於那些依靠差異化服務、高附加價值來獲取利潤的新創雲服務商（Neoclouds）而言，無疑是動了他們的「奶酪」。

他們向Nvidia抱怨，這種做法會將他們拖入殘酷的價格戰，侵蝕他們的利潤空間。他們需要Nvidia的晶片來生存，但他們不希望自己的核心業務被Nvidia的平台所「格式化」。

更深層次的問題在於，Nvidia再次陷入了那個無法擺脫的戰略悖論：它的主要客戶，正是它試圖去「管理」和「干預」的雲端運營商。

無論是雲端巨頭還是新創公司，它們都不希望上游的晶片供應商，過度介入下游的市場定價和客戶關係。

---

在鋼索上跳舞

DGX Cloud的收兵，無疑是一次明智的戰術修正。它讓Nvidia從一場勝算不大的正面衝突中抽身，也讓它深刻體會了雲端服務這門生意的複雜與殘酷。

但這也證明了，Nvidia必須在「維繫大客戶關係」與「扶植新生力量」之間走鋼索；必須在「維持晶片高定價」與「確保下游生態繁榮」之間尋找平衡；更必須在「推動平台標準化」與「避免激怒合作夥伴」之間做出艱難的取捨。

這場遊戲，遠未結束。黃仁勳的挑戰，才剛剛開始。

---

主題二：我們是全能的上帝，還是偏科的猴子？圖靈獎與諾貝爾獎得主的巔峰對決

來，我們一起來看看「神仙打架」。

在人工智慧的發展浪潮中，我們時常聽到「通用人工智慧」（AGI）這個詞，它指向一個如人類般、甚至超越人類的終極目標。

不過最近，Yann LeCun和Demis Hassabis就在X上，對AGI這個詞來了一次激烈交鋒。

「通用」是一種幻覺，智慧的本質是「特化」

Yann LeCun（前Meta首席AI科學家，圖靈獎得主）在一個Podcast中說到：

「通用智慧（General Intelligence）根本不存在，這概念簡直是胡扯（Complete BS）。」

LeCun指出，我們常常高估了自己。人類的智慧其實非常「偏科」，我們極度擅長在物理世界中生存和進行社交，這是數百萬年演化帶來的結果。

但在其他無數領域，我們的表現堪稱糟糕。他舉例說，人類在棋類、數學運算等領域與專門的AI相比早已望塵莫及。

LeCun認為，我們之所以覺得自己「通用」，是因為我們陷入了一個思維的閉環：「我們只能構想出我們恰好能夠理解的問題。」

換句話說，我們在自己熟悉的、能夠思考的範圍內，顯得無所不能。但這並不能證明我們在所有可能的問題空間裡都是通用的。

這就像一個只會用錘子的人，看什麼都像釘子，並因此認為自己是個「通用工具專家」。

簡單來說，宇宙中「可能存在的問題」的總量是一個天文數字，遠遠超乎想像。

而人類大腦的結構，儘管極其複雜，但它能夠有效處理的問題類型，只佔所有可能問題總量的極小一部分，小到幾乎可以忽略不計。

從數學角度看，人類的智慧根本就不是「通用」，而是「特化」。

所謂的 AGI，不過是人類試圖複製「人類水平智慧」的一個代名詞罷了。

別把「通用」與「全能」混為一談

面對LeCun的挑戰，Demis Hassabis（Google DeepMind CEO，諾貝爾獎得主）提出了反駁。

他認為 LeCun 混淆了兩個概念：通用性（General）與普遍性（Universal）。

Hassabis 指出，人類大腦本質上是一個「近似的圖靈機」。雖然我們在某些任務上效率低下（比如心算），但只要給我們足夠的時間、紙筆和數據，人類大腦在理論上可以學習任何可計算的函數。

人類大腦最初是為了「採集與狩獵」演化出來的，但我們卻發明了西洋棋、微積分、波音 747 和量子力學。

這種「跨越演化初衷」的能力，就是最純粹的通用智慧。

我們下棋不如AI，不是因為我們的大腦架構有缺陷，而是因為我們在有限的時間和記憶體下，效率不如為特定任務優化的機器。

這就像一台個人電腦，理論上可以運行任何軟體，但你不會期望它在沒有安裝特定程式的情況下，就能直接完成專業的影片剪輯。

詞彙之爭背後：AI發展的路線分歧

表面上看，這是一場關於「通用」一詞定義的學術討論。但深入探究，你會發現這背後代表了兩種截然不同的AI發展哲學和技術路線。

LeCun的路線——「世界模型」之路：

當LeCun否定「通用智慧」時，他真正批判的是當前過度依賴大型語言模型（LLM）的趨勢。

他認為，僅僅處理文本數據的LLM，由於缺乏對真實物理世界的感知和因果理解，永遠無法達到真正的智慧。

他倡導的路線是建立「世界模型」（World Models），讓AI像嬰兒學習物理定律一樣，通過與環境互動來理解世界的因果關係，從而具備真正的預測和規劃能力。

這是一條更根本、更艱難的道路。

Hassabis支持的路線——「規模化」之路：

Hassabis的觀點則為當前的主流方法提供了強有力的理論支持。

如果智慧的核心在於一個通用的學習架構，那麼持續擴大模型規模（Scaling）、增加數據量，讓模型學會更多樣化的任務，就是一條通往更高智慧的可行路徑。

這條路徑相信，當模型足夠大、數據足夠豐富時，更高級的智慧能力便會「湧現」。

理想與現實的十字路口

那麼，誰是對的？

坦白說，連這些巨頭都有分歧時，我又有甚麼資格去斷定誰對誰錯。也許他們兩人都是對的，只是站在了不同的時間維度上。

然而，這場哲學分歧卻有著殘酷的現實後果。在當前這場分秒必爭的AI軍備競賽中，耐心是一種極其昂貴的奢侈品。

LeCun對「世界模型」的堅持，是一條需要十年甚至更長時間才能看到成果的漫漫長路，這使他與Meta面臨的即時競爭壓力產生了衝突。正是這種對長遠理想的執著，最終導致了雙方的分道揚鑣。

但一位遠見者的離去，往往也標誌著一個新篇章的開始。我們只能期望，LeCun在未來的道路上能專注於他的宏大願景，並最終為人類世界帶來顛覆性的突破。

也許，AI的未來並不在於兩條路線的單選。當「規模化」帶來的快速進步，與「世界模型」帶來的深度理解最終交匯時，那或許才是真正推動人類文明躍遷的奇點。

---

主題三：別了，針頭！口服減重藥時代正式開啟，諾和諾德如何發動閃電戰？

在經歷了被競爭對手禮來（Eli Lilly）的強勢產品Zepbound壓制近一年後，減重藥巨頭諾和諾德（Novo Nordisk）終於在12月22日，收到了一張決定性的王牌：

口服版Wegovy獲批。

當「神藥」不再需要針頭

首先，我們必須理解這顆藥丸的劃時代意義。

諾和諾德成功地將其王牌產品Wegovy的強大效力，塞進了一顆每日一次的藥丸裡。

臨床數據顯示，口服版在64週內能帶來高達13.6%的平均體重下降（在嚴格服藥者中更是達到16.6%），這幾乎完美複製了注射版Wegovy（約15-17%）的神奇效果。

這意味著什麼？這意味著醫學界長久以來的「口服魔咒」被打破了。

過去，從注射劑轉為口服劑，往往伴隨著效果的大幅折損。但諾和諾德做到了「效力平價」，這本身就是一項技術奇蹟。它正式宣告了「高效口服減重藥」時代的來臨。

然而，這場戲的真正重點，並不在於技術，而在於價格。

價格戰的本質：用「體量」換「時間」

這次最讓人意外的不是過審，而是價格。149美元的月費，對比過去動輒上千美元的注射劑，簡直是「自殺式降價」。

為什麼諾和諾德要主動砍掉毛利？

諾和諾德算得很精：禮來的口服藥 Orforglipron 預計在 2026年中才會上市。這中間有六個月的真空期。

Novo 透過極低的價格門檻，試圖在半年內迅速吞下那 1億名美國肥胖人口中的「非保險覆蓋群體」。

一旦這些用戶進入了 Novo 的生態系，產生了品牌慣性與數據依賴，即便半年後禮來的藥上市了，用戶「轉台」的成本也會變得極高。

諾和諾德的「阿基里斯之踵」

然而，這場看似完美的突襲，卻隱藏著兩個致命的弱點，這也是諾和諾德在這場豪賭中最大的風險。

1. 服藥的「黃金手銬」：

口服Wegovy的吸收效率極低，患者必須在每天清晨空腹狀態下服用，並在服藥後至少等待30分鐘才能進食飲水。

這種嚴苛的「儀式感」，對真實世界中的用戶依從性構成了巨大挑戰。它就像一副「黃金手銬」，雖然有效，卻極不方便。

2. 原料藥的「黑洞」：

這或許是諾和諾德最大的隱憂。由於口服吸收率不足1%，一顆25毫克的藥丸，其活性藥物成分（API）用量，遠超一週僅需2.4毫克的注射劑。

這意味著，口服藥的放量，將會像一個「黑洞」般吞噬諾和諾德的API產能。如果API的生產速度跟不上藥丸的銷售速度，那麼149美元的宏偉藍圖將因斷供而崩塌。

風暴前夕，禮來的後發制人

諾和諾德的窗口期非常短暫，大約只有6個月。因為禮來的王牌口服藥Orforglipron預計將在2026年年中獲批上市。

Orforglipron在兩個關鍵點上會有優勢：

類型不同： 它是「小分子」藥物，而非「胜肽」。這意味著它可以像普通藥片一樣隨餐服用，沒有任何飲食限制，便利性完勝。

成本更低： 化學合成的小分子藥物，其生產成本和規模化難度，遠低於生物合成的胜肽藥物。

雖然失了先機，但禮來可以用一款體驗更好、成本更低的產品，來收割那些無法忍受諾和諾德嚴苛服藥規則的用戶。

商業邊界的重新劃分：從「奢侈品」到「必需品」

這次批准標誌著減肥藥市場正式從「高溢價、低滲透」的奢侈品階段，進入了「低利潤、高覆蓋」的階段。

諾和諾德嘗試把減肥藥變成像降血壓藥一樣的基礎代謝藥物。這意味著利潤率的壓縮，但對公司來說，這同時也是在構建更大的用戶基礎。

諾和諾德放棄了在單一維度（藥效）上與禮來死磕，轉而利用先發優勢，在價格、渠道和用戶習慣等多個維度上，構築起一個複雜的防禦矩陣。

它賭的不是一顆藥丸能否打敗另一顆藥丸，而是能否在對手抵達戰場之前，就將整個戰場的規則徹底改寫。

諾和諾德能否贏回失地，未來六個月的執行力將決定一切。

---

主題四：Google 如何靠收購 Intersect ，跳過 7 年的電網排隊？

這是一筆極其有趣的收購：Google花了47.5 億美元，收購清潔能源開發商Intersect Power。卻明確表示不要對方正在賺錢的電廠，只要對方手裡的開發團隊和一疊許可文件。

大家都知道，AI的算力再強，電網的建設速度跟不上的話，也是徒然。

在美國，當一個全新的AI數據中心拔地而起，它需要接入公共電網。而這個「排隊接電」的過程，在監管審批和基礎設施的重重關卡下，平均需要等待5到7年。

Google的這筆收購，正是為了獲得一個繞過這道長城的「作弊碼」。

Intersect Power這家公司，其真正的「護城河」並非太陽能板或電池本身，而是一種顛覆性的商業模式：「在地發電，就地使用」（Behind-the-Meter）。

它的核心理念極其簡單粗暴：與其排隊等著接入那條擁堵不堪的公共高速公路，不如在自家目的地旁邊，直接蓋一條私家高速公路。

Google買的究竟是誰？

Intersect Power的真正「產品」，不是太陽能板，而是那一疊疊已經蓋好章、可以立即動工的「許可文件」。

Intersect Power並沒有發明什麼革命性的太陽能電池或電池技術。他們購買的是First Solar的面板和特斯拉的Megapack電池。

但他們的工作，在第一鏟土落下之前就已開始。

Intersect的團隊是美國各州電力系統（ISO/RTO）的專家。他們知道如何在規則的縫隙中，找到最快獲得許可的路徑。這是Google完全陌生的領域。

他們像外交官一樣，花費數年時間與數十位農場主談判，簽下30年的土地租約；他們更像律師，在迷宮般的法規中穿梭，搞定從縣、州到聯邦環保署的所有許可。

而現在，Google直接買下了Intersect Power手中那個裝滿了「萬事俱備，只欠動工」項目的公事包。

這10.8吉瓦（GW）的未來能源，其土地、許可、併網權都已鎖定。

這就是47.5億美元的溢價所在：Google為跳過那漫長而痛苦的5年文書工作付了費。

一個有趣的細節是，Google只買下了Intersect的「未來」——即其開發中的項目管線和開發團隊。

這筆 47.5 億美元的交易中，Google 並沒有買下 Intersect 目前已經在運作、賣電給別人的老電廠（那些資產被剝離出去了）。Google 買下的是：

1. 10.8 GW 的未來開發管線： 這些是已經搞定土地和許可、隨時可以動工的「熟地」。

2. CEO Sheldon Kimber 的大腦： 這群人知道如何在美國複雜的監管迷宮中，精準找出最適合蓋 AI 能源島的座標。

解決「太陽下山」的演算法

太陽能最大的問題是：晚上沒電，但 AI 伺服器 24 小時都要吃電。

Intersect 的另一個「秘密武器」是其調度優化軟體（Dispatch Optimization）。

它能即時計算：現在陽光充足但電價負數，趕快充進 Tesla Megapacks；現在傍晚七點，電價飆漲，立刻放電給數據中心。

Google 買下這個團隊，是為了實現「能源與算力的同步」。當 Google 擁有了自己的開發團隊，它就能在倒下第一桶水泥蓋伺服器機房的同時，讓 Intersect 在隔壁安裝太陽能板。

當「電」成為核心資產

過去，科技巨頭的核心支柱是三個：算力（晶片）、數據（用戶資料）、人才（科學家）。

今天，能源，已經成為了第四根，也是最基礎的一根支柱。

因為如果沒有這一步投資，Google未來可能會陷入「有晶片卻無處點亮」的窘境。

不過同時，這47.5億美元的投資，將永久性地推高Google的資本支出，讓它從一家輕資產的軟體公司，越來越像一家重資產的公用事業公司。

在通往通用人工智慧（AGI）的道路上，等待，本身就是最大的風險。

Google能否贏下這場能源競賽，就看這47.5億美元買下的「時間」能否轉化為AI領域的領先。

---

謝謝你閱讀到這裡，如果你覺得這份筆記為你帶來了價值，請不吝按下一個讚，這是我持續分享的最大動力。

另外我在Telegram有頻道，每天早上我會發當天重要新聞摘要。

同時，如果想開戶的話，可以考慮用我的富途/口袋證券獨家推薦碼，會有更多優惠。

全部資訊在以下鏈結：

https://linktr.ee/fomo_soc

另外，如果你已經加入付費會員，不要浪費了群組的功能，進入我們Substack的Chat功能一起討論市場!

· KP